Search | Engineering

订阅投稿

首页工程期刊工程焦点工程成就工程前沿关于我们 English

资源类型

期刊论文 1134

会议视频 69

会议信息 37

会议专题 1

年份

2024 1

2023 150

2022 153

2021 136

2020 103

2019 99

2018 71

2017 90

2016 41

2015 47

2014 19

2013 23

2012 23

2011 23

2010 21

2009 14

2008 17

2007 35

2006 21

2005 26

展开︾

关键词

机器学习 27

优化 18

人工智能 15

深度学习 15

信息化 13

智能制造 13

2020 12

优化设计 11

多目标优化 11

产业化 10

能源 10

农业科学 9

智能化 9

大数据 8

工程管理 7

制造业 6

资源化利用 6

遗传算法 6

2019 5

展开︾

检索范围：

排序：展示方式：

基于联邦边缘学习的梯度量化和带宽分配优化策略 Research Article

刘沛西1,3,江甲沫2,朱光旭3,程磊4,5,蒋伟1,罗武1,杜滢2,王志勤2

《信息与电子工程前沿（英文）》 2022年第23卷第8期页码 1247-1263 doi: 10.1631/FITEE.2100538

摘要：由于边缘设备有限算力和边缘网络有限的无线资源，利用联邦边缘学习（federated edge learning, FEEL）训练机器学习模型通常非常耗时。本文研究了量化FEEL系统中训练时间最小化问题，其中异构边缘设备通过正交信道向边缘服务器发送量化后的梯度。采用随机量化对上传的梯度进行压缩，可减少每轮通信的开销，但可能会增加通信轮数。综合考虑通信时间、计算时间和通信轮数对训练时间进行建模。基于所提出的训练时间模型，描述了通信轮数和每轮延迟之间的内在权衡。具体地，分析了量化FEEL的收敛性。提出一种基于数据模型双驱动的拟合方法以得到精确的最优间隔，并在此基础上得到通信轮数和总训练时间的闭式表达式。在总带宽限制下，将训练时间最小化问题建模为量化级数和带宽分配的优化问题。本文通过交替求解量化优化子问题（通过连续凸近似方法求解）和带宽分配子问题（通过二分查找方法求解）解决这个问题。在不同学习任务和模型下，仿真结果证明了本文分析的有效性和所提优化算法性能接近最优。

关键词：联邦边缘学习；量化优化；带宽分配；训练时间最小化

HTML PDF 收藏

图引导正则最小化的随机超梯度的交替方向方法 None

Qiang LAN, Lin-bo QIAO, Yi-jie WANG

《信息与电子工程前沿（英文）》 2018年第19卷第6期页码 755-762 doi: 10.1631/FITEE.1601771

摘要：这些方法由两个大规模凸目标函数组成，可最小化图形引导的优化问题。机器学习中一些重要应用遵循图导引优化公式等作为线性回归、逻辑回归、Lasso结构化扩展以及结构化正则化逻辑回归的原则。通过融合逻辑回归和图形引导正则化回归，在几类数据集上进行了试验。试验结果表明所提算法优于其他竞争算法，且在实际应用中，SEGAL比SEGL性能更好。

关键词：随机优化；图形引导最小化；超梯度法；融合逻辑回归；图导向正则化逻辑回归

HTML PDF 收藏

结合全变分最小化和稀疏字典学习后处理的低剂量CT重建 Article

Yong DING, Tuo HU

《信息与电子工程前沿（英文）》 2017年第18卷第12期页码 2001-2008 doi: 10.1631/FITEE.1700287

摘要：本文提出一种结合全变分（total variation, TV）最小化和稀疏字典学习的重建方法，不仅提高了重建效果，而且通过自适应的停止策略提高了重建速度。

关键词：低剂量CT；CT成像；全变分；稀疏字典学习

HTML PDF 收藏

正则风险最小化的小批量割平面法 Regular Article

Meng-long Lu, Lin-bo Qiao, Da-wei Feng, Dong-sheng Li, Xi-cheng Lu,lumenglong2018@163.com,davyfeng.c@gmail.com

《信息与电子工程前沿（英文）》 2019年第20卷第11期页码 1551-1563 doi: 10.1631/FITEE.1800596

摘要：虽然最近求解非凸问题的研究十分热门，尤其在机器学习需要可解释性模型情况下，凸优化仍然重要。求解凸问题可得到全局最优解，故而最终模型可用数学方法解释。通常为防止过度拟合，凸问题被重新描述为一个正则风险最小化问题。无论目标函数是否可微，割平面法是求解凸问题最佳方法之一。在大量实际数据集上的数值实验证明了小批量割平面法有效性，收敛速度优于正则风险最小化的bundle法和普遍使用的随机梯度下降法。

关键词：机器学习；优化方法；梯度法；割平面法

HTML PDF 收藏

分级移动边缘云中节省开销的资源分配 Special Feature on Future Network-Research Article

Ming-shuang JIN, Shuai GAO, Hong-bin LUO, Hong-ke ZHANG

《信息与电子工程前沿（英文）》 2019年第20卷第9期页码 1209-1220 doi: 10.1631/FITEE.1800203

摘要： 5G网络的云化使第三方服务提供商能够在网络边缘部署服务（例如，边缘缓存与边缘计算）。已有工作都是站在特定服务提供商角度，以最大化其收益为目标来研究服务策略（如，内容缓存策略与虚拟CPU分配策略）。然而，尚未有相关工作从网络运营商角度，在满足第三方服务提供商部署需求基础上进行合理、有效的资源分配。本文针对该问题建立了优化模型，目标是最小化所有服务提供商的部署开销。为描述服务提供商的部署需求，将所有应用分为两类，即计算密集型应用和存储密集型应用，并将这两类应用的需求作为优化问题的输入参数。由于建立的数学模型是非凸优化且是NP难问题，设计了基于精英保留策略的遗传算法来求得最优解。通过仿真验证了所设计算法的可行性和有效性。

关键词：边缘云；边缘计算；边缘缓存；资源分配；虚拟机分配

HTML PDF 收藏

应用完备集合固有时间尺度分解和混合差分进化和粒子群算法优化的最小二乘支持向量机对柴油机进行故障诊断 Article

俊红张,昱刘

《信息与电子工程前沿（英文）》 2017年第18卷第2期页码 272-286 doi: 10.1631/FITEE.1500337

摘要：针对固有时间尺度分解算法的模态混叠问题和最小二乘支持向量机的参数优化问题，本文提出了一种新的基于完备集合固有时间尺度分解和混合差分进化和粒子群算法优化最小二乘支持向量机的柴油机故障诊断方法。该方法主要包括以下几个步骤：首先，为解决固有时间尺度分解算法的模态混叠问题，提出了一种完备集合固有时间尺度分解算法。随后，利用完备集合固有时间尺度分解算法将非平稳的柴油机振动信号分解为一系列平稳的旋转分量和残差信号。最后，提出了混合差分进化和粒子群算法对最小二乘支持向量机的参数进行优化的方法，并通过将故障特征输入训练好的最小二乘支持向量机模型实现故障诊断。仿真和实验结果表明提出的故障诊断方法可以克服固有时间尺度分解的模态混叠问题，而且能够准确的识别柴油机故障。

关键词：柴油机；故障诊断；完备集合固有时间尺度分解；最小二乘支持向量机；混合差分进化和粒子群优化算法

HTML PDF 收藏

通过最小化边缘添加中的代数连接度来减少电网级联故障传播 Research Articles

Supaporn LONAPALAWONG1,颜姜哲2,李家雨3,叶德仕2,陈为1,汤涌4,黄彦浩4,王灿2

《信息与电子工程前沿（英文）》 2022年第23卷第3期页码 382-397 doi: 10.1631/FITEE.2000596

摘要：我们通过最小化代数连接度的增量以减少电网中的平均传播。提出一种基于拓扑的贪婪策略，以优化电网鲁棒性。为评估网络鲁棒性，使用MATCASC计算电网中级联故障中断的平均传播。

关键词：网络鲁棒性；级联故障；平均传播；代数连接度；电网

HTML PDF 收藏

认知中继三跳网络联合优化 Article

澄赵,万良王,信威姚,双华杨

《信息与电子工程前沿（英文）》 2017年第18卷第2期页码 253-261 doi: 10.1631/FITEE.1601414

摘要：现有的研究多数都集中在两跳网络的优化，但其也存在着传输距离不长，只能进行单项传输等缺点。本文提出了一种新的使用认知中继的三跳网络传输方案，通过三阶段的传输过程，实现了次级用户之间的双向传输。本文将这个三阶段的联合优化问题转化为一个非线性的优化问题，并进行了求解。仿真结果表明，本文提出的优化方法可以在不增加中继跳数的情况下，延长主用户传输距离，并同时提高次级用户的传输吞吐量。

关键词：解码转发；三跳；认知中继网络；时间功率分配；叠加编码

HTML PDF 收藏

面向物联网的激励感知区块链辅助的智能边缘缓存与计算迁移研究 Article

王倩, 陈思光, 吴蒙

《工程（英文）》 2023年第31卷第12期页码 127-138 doi: 10.1016/j.eng.2022.10.014

摘要：然而，边缘节点（Edge Nodes, ENs）中的资源并不是取之不尽的。本文提出了一种面向物联网的激励感知区块链辅助的智能边缘缓存与计算迁移方案，该方案致力于为协作ENs在资源优化和控制方面提供安全和智能的解决方案。具体地，该方案通过联合优化迁移和缓存决策以及计算和通信资源分配，以最大限度地降低EN中完成任务的总成本。此外，为解决上述优化问题，本文设计了区块链激励和贡献联合感知的联邦深度强化学习算法。在本地训练期间，该算法构建了一个激励感知区块链辅助的协作机制，即在安全保障前提下增强ENs参与协作的意愿。同时，提出了一种基于贡献的联邦聚合方法，即基于EN对全局模型性能提升所做贡献来计算其梯度的聚合权重，以提升训练效果。

关键词：计算迁移缓存激励区块链联邦深度强化学习

HTML PDF 收藏

6G中联邦学习的应用、挑战和机遇 Review

杨照辉,陈明哲,黃繼傑,H. Vincent Poor,崔曙光

《工程（英文）》 2022年第8卷第1期页码 33-41 doi: 10.1016/j.eng.2021.12.002

摘要：

标准的机器学习方法需要在数据中心集中训练数据，从而采用集中式机器学习算法来进行数据分析和推理。然而，由于无线网络中的隐私限制以及无线通信资源受限，边缘设备将数据传输到参数服务器通常是不可取和不切实际的。联邦学习可解决这些问题。联邦学习可以使设备能够在没有数据共享和传输的情况下训练机器学习模型。本文全面概述了未来第六代（6G）无线网络的联邦学习应用。特别是，首先描述了将联邦学习应用于无线通信中的基本要求。然后详细介绍了无线通信中潜在的联邦学习新型应用，讨论了与新型应用相关的主要问题和挑战。最后，描述了用于无线通信的联邦学习的详细实现方案，并给出了联邦学习的难点和应用前景。

关键词：联邦学习 6G 智能反射面语义通信通信感知计算一体化

HTML PDF 收藏

基于最小化重构误差的生成对抗网络异常检测 Article

Huan-gang WANG, Xin LI, Tao ZHANG

《信息与电子工程前沿（英文）》 2018年第19卷第1期页码 116-125 doi: 10.1631/FITEE.1700786

摘要：生成对抗网络是机器学习领域近年来最令人瞩目的进展，它通过在二人零和博弈中达到纳什均衡来训练模型。生成对抗网络由一个生成器和一个判别器构成，二者通过对抗学习机制进行训练。在训练阶段，生成对抗网络从正常数据中学习；然后，基于过去的未知数据，生成器和判别器可以通过学习到的决策边界，区分异常和正常模式。

关键词：生成对抗网络；异常检测；田纳西-伊斯曼过程

HTML PDF 收藏

最小二乘支持向量机的扩展及其在时间序列预测中的应用

向小东

《中国工程科学》 2008年第10卷第11期页码 89-92

摘要：

根据时间序列近期数据较远期数据包含有更多未来信息的思想，对最小二乘支持向量机预测方法进行了扩展，得到了更具一般性的最小二乘支持向量机预测模型两个时间序列的预测实例表明，扩展后的预测方法获得了更好的预测效果，提升了最小二乘支持向量机预测方法的价值。

关键词：最小二乘支持向量机扩展时间序列预测

HTML PDF 收藏

联邦无监督表示学习 Research Article

张凤达1,况琨1,陈隆1,游兆阳1,沈弢1,肖俊1,张寅1,吴超2,吴飞1,庄越挺1,李晓林3,4,5

《信息与电子工程前沿（英文）》 2023年第24卷第8期页码 1181-1193 doi: 10.1631/FITEE.2200268

摘要：为利用分布式边缘设备上大量未标记数据，我们在联邦学习中提出一个称为联邦无监督表示学习(FURL)的新问题，以在没有监督的情况下学习通用表示模型，同时保护数据隐私。FedCA由两个关键模块组成：字典模块，用于聚合来自每个客户端的样本表示并与所有客户端共享，以实现表示空间的一致性；对齐模块，用于将每个客户端的表示与基于公共数据训练的基础模型对齐。我们采用对比方法进行局部模型训练，通过在3个数据集上独立同分布和非独立同分布设定下的大量实验，我们证明FedCA以显著的优势优于所有基线方法。

关键词：联邦学习；无监督学习；表示学习；对比学习

HTML PDF 收藏

基于最小二乘法的EAST托卡马克光学等离子体边缘重建 None

Hao LUO, Zheng-ping LUO, Chao XU, Wei JIANG

《信息与电子工程前沿（英文）》 2018年第19卷第9期页码 1124-1134 doi: 10.1631/FITEE.1700041

摘要：平衡与反演编码（equilibrium and fitting, EFIT）是部分托卡马克中常用的等离子体边缘重建方法。然而，这种磁方法有一些不可避免的缺点。提出一种光学等离子体边缘重建算法，将EFIT编码结果作为标准值学习光学重建模型。在边缘提取方面，传统边缘检测方法不能提取较清晰的等离子体边缘。因此，提出一种基于全局对比度的方法在图像平面提取等离子体边缘。这种方法对光照有很好的鲁棒性。用一个同阶多项式和一个转换矩阵拟合提取等离子体边缘和EFIT重建等离子体边缘。为在没有相机标定的前提下获取转换矩阵，用最小二乘法最小化光学边缘和EFIT重建边缘误差，得到一个数学模型，该数学模型将提取的等离子体边缘从一个图像平面转换到托卡马克极向平面。一旦获得这个转换矩阵，便可在捕获的任意图像重建光学等离子体边缘。展示了所提方法和EFIT之间的误差，并讨论不同多项式阶数的实验结果。

关键词：光学等离子体重建；边缘检测；全局对比度；最小二乘法；EAST托卡马克

HTML PDF 收藏

边信道攻击和学习向量量化 Article

Ehsan SAEEDI, Yinan KONG, Md. Selim HOSSAIN

《信息与电子工程前沿（英文）》 2017年第18卷第4期页码 511-518 doi: 10.1631/FITEE.1500460

摘要：目前提出的多种边信道信息分析方法中，机器学习被认为是一种有前景的方法。基于神经网络的机器学习可获得指令标志（功耗与电磁辐射），并自动识别。本文对椭圆曲线加密（Elliptic curve cryptography, ECC）的现场可编程门阵列（field-programmable gate array, FPGA）实现展开了新的实验研究，探讨了基于学习向量量化LVQ作为多类分类器的主要特点是它具有学习复杂非线性输入-输出关系、使用顺序训练程序和适应数据的能力。实验结果表明基于LVQ的多类分类是边信道数据表征的强大且有前景的方法。

关键词：边信道攻击；椭圆曲线加密；多类分类；学习向量量化